摘要：以往对智能小区居民用电行为聚类分析时,存在着负荷特征选择与权重计算描述不足的问题。为了提高居民用电行为聚类分析的准确率,降低聚类分析运行时间,提出一种基于Relief F算法建立的以峰时耗电率、日负荷峰值时刻、谷时耗电率、日负荷周期数、日最小负荷率等特征的数据模型。该模型可以对海量居民用电行为数据进行处理,并通过k-means算法对其进行聚类分析。实验数据来源为已建成的智能小区,结果准确率达94.61%,证明了基于Relief F算法建立的特征数据模型在居民用电行为类分析中是有效的。

关键词：用电行为 聚类分析 负荷特征 数据模型 

单位：华东交通大学电气与电子工程学院; 江西南昌330013